Vereinigte Staaten
Anduril Industries
Inspira Financial
Lead AI Software Engineer (Remote)
Vereinigte Staaten
Oak Brook, Illinois, United States
Automatische Übersetzung. Prüfe das Original.
Über die Stelle
Der Lead AI Software Engineer berichtet an den Sr. Director, AI Center of Excellence, in der Technologieabteilung. Diese Rolle ist eine praxisorientierte Entwicklerposition für das Fundament der unternehmensweiten KI-Entwicklung, einschließlich des semantischen Routers, des Modell- und Harness-Hostings, des Enterprise AI Gateways und der KI-Betriebsebene, die im gesamten Unternehmen eingesetzt wird. Die Rolle orientiert sich an der Architektur und den Standards, die von der technischen Leitung des CoE festgelegt wurden, und bringt Design-Inputs ein, um diese mitzugestalten. Zu den Hauptaufgaben gehören der Aufbau und Betrieb der gemeinsamen KI-Plattform und der semantischen Routing-Ebene; die Zusammenarbeit mit AI-Ops bei Überwachung, Evaluierung und Governance-Leitplanken; der Aufbau sicherer, konformer KI-Integrationsmuster für ein reguliertes Finanzdienstleistungsumfeld; der Aufbau und die Skalierung von agentenbasierten Pipelines und Multi-Agenten-Orchestrierung; die Bereitstellung von produktiven KI-Diensten für CoE-fähige Geschäftsbereiche; der Aufbau wiederverwendbarer Komponenten für die Referenzarchitekturen des CoE; die Bewertung der Wirtschaftlichkeit von KI-Workloads; das Prototyping neuer KI-Fähigkeiten; das Mentoring von Ingenieuren im CoE und in Partnerteams sowie die Zusammenarbeit mit den Bereichen Sicherheit, Risiko, Compliance und Data Governance. Diese Rolle hat keine direkten Unterstellten.
- Aufbau und Betrieb der gemeinsamen KI-Plattform für das Unternehmen, einschließlich grundlegender semantischer Daten-, Modell-, Harness- und Hosting-Funktionen, die für Entwickler- und produktinterne Personalisierungsanwendungsfälle verwendet werden.
- Aufbau eines intelligenten Request-Routings unter Verwendung semantischer Analyse und deterministischer Logik, um Anfragen an das am besten geeignete LLM, interne Tool oder den agentenbasierten Pool weiterzuleiten, wobei Kosten, Latenz und Datenschutz als Routing-Kriterien dienen.
- Zusammenarbeit mit AI-Ops zur Ermöglichung von metrikbasiertem Reporting, Qualitäts-, Leistungs- und Drift-Überwachung über Live-Systeme hinweg, Aufbau von Modell-Evaluierungs-Harnesses und Unterstützung von Governance-Leitplanken für den sicheren KI-Einsatz in großem Maßstab.
- Aufbau sicherer, konformer KI-Integrationsmuster, die für ein reguliertes Finanzdienstleistungsumfeld geeignet sind.
- Aufbau und Unterstützung bei der Skalierung von agentenbasierten Pipelines und Multi-Agenten-Orchestrierung über den gesamten Softwareentwicklungslebenszyklus hinweg, vom Pilotprojekt bis zur gemessenen Ingenieurskapazität in den Produktteams.
- Bereitstellung produktiver KI-Dienste zur Unterstützung von Dokumentenintelligenz und Schadensregulierung, konversationsbasierter und sprachgesteuerter Selbstbedienung, Anrufintelligenz, Betrugs- und Anomalieerkennung sowie regulatorischer Überwachung.
- Aufbau wiederverwendbarer Komponenten und Standardmuster, die auf die Referenzarchitekturen des CoE abgestimmt sind, damit andere Teams und eingebettete Berater KI-Lösungen erstellen können, ohne das Fundament neu aufbauen zu müssen.
- Bewertung der Wirtschaftlichkeit von KI-Workloads, einschließlich Kosten pro Transaktion, Token- und Inferenzaufwand, Latenzbudgets sowie Analysen zur Unterstützung von Build-versus-Buy- und Self-Host-versus-Vendor-Entscheidungen.
- Identifizierung und Prototyping aufkommender KI-Fähigkeiten, die für die Geschäfts- und Technologie-Roadmap relevant sind, mit einem klaren Baustein-Ansatz für die Skalierung.
- Erstellung schneller, fokussierter Machbarkeitsstudien (Spikes) und deren Nutzung zum Aufbau grundlegender Komponenten, die mit den Teams durch eine saubere Übergabe skalieren.
- Leitung angewandter kontinuierlicher Lernsitzungen und direktes Pair-Programming mit Ingenieurteams zu neuen Entwicklungsmethoden sowie zur Einführung von Prototypen oder Mustern.
- Coaching von eingebetteten KI-Beratern und dem Coaching-Netzwerk zu CoE-Mustern und -Standards, um die KI-Bereitstellungskapazität über das CoE hinaus zu skalieren.
- Mentoring von Software Engineers I, II und Senior-Level-Ingenieuren im gesamten CoE und in Partnerteams, Teilnahme an KI-Design-Reviews und Unterstützung bei der Lösung komplexer agentenbasierter und Integrationsprobleme an der Seite von Principal-Level-Ingenieuren.
- Zusammenarbeit mit Sicherheits-, Risiko-, Compliance- und Data-Governance-Teams zur Unterstützung einer sicheren und konformen KI-Bereitstellung.
Qualifikationen
Ausbildung & Erfahrung
Mindestanforderungen:
- Bachelor of Science in Informatik
- 7+ Jahre Erfahrung in der Erstellung und dem Betrieb von Produktionssoftware, einschließlich 2+ Jahren Erfahrung in der Bereitstellung von produktiven KI-, LLM- oder ML-Systemen, mit nachweislicher Erfahrung im Aufbau und der Auslieferung von Komponenten einer Plattform im Unternehmensmaßstab.
Fähigkeiten & Fertigkeiten
- Aufbau und Betrieb von produktiven agentenbasierten Workflows als Zustandsautomaten, einschließlich Verzweigungslogik, Wiederholungs- und Wiederherstellungspfaden sowie präziser Steuerung des mehrstufigen Prozessablaufs.
- Design von Multi-Agenten-Systemen, einschließlich Rollenzuweisung und Koordination, Konversationsmustern zwischen Agenten und Code-Ausführungsschleifen für iterative Problemlösungen.
- Fundierte Kenntnisse in KI-gestützten Entwicklungsumgebungen wie GitHub Copilot, Claude Code oder ONA, mit Erfahrung darin, Teams bei deren Einführung zu unterstützen und deren Auswirkungen zu messen.
- Semantisches Routing und Modell-Orchestrierung, einschließlich einbettungsbasierter Absichtsanalyse, deterministischer Fallback-Logik und richtlinienbasierter Modellauswahl über mehrere Anbieter hinweg unter Berücksichtigung von Kosten-, Latenz- und Datenschutzkriterien.
- API- und Integrationserfahrung über REST-, ereignisgesteuerte und MCP-Muster hinweg, einschließlich der Integration von KI in Aufzeichnungssysteme und Workflow-Plattformen.
- Observability und AI Ops für nicht-deterministische Systeme, einschließlich verteiltem Tracing, Verhaltensanalyse, Nutzungs- und Qualitätsmetriken, Drift-Erkennung sowie Kosten- und Latenz-Telemetrie für das Management-Reporting.
- Sicherheitsbewusste Entwicklung mit nachgewiesener Erfahrung im Umgang mit PII und sensiblen Daten, einschließlich Verschlüsselung, Secrets Management, Least-Privilege-Zugriff und Audit-Trails in einem regulierten Umfeld.
- Erfahrung mit Modell-Hosting und -Serving, einschließlich der Bereitstellung von selbst gehosteten oder Open-Weight-Modellen, Inferenzoptimierung sowie Gateway- oder Proxy-Mustern vor mehreren Modellen.
- Evaluierungs- und Zuverlässigkeitstechnik für probabilistische Systeme, einschließlich Evaluierungs-Harnesses, Golden Datasets, Offline- und Online-Scoring, Leitplanken, Red-Teaming, Minderung von Halluzinationen und Design von Human-in-the-Loop-Reviews.
- Grundlagen der Datentechnik für KI, einschließlich Pipelines für Dokumentenaufnahme und -extraktion, Integration und Mapping von Datenquellen, Embeddings und Datenqualitätskontrollen.
- Technische Führung ohne formale Autorität, einschließlich der Mitwirkung an Architektur-Entscheidungsaufzeichnungen und Design-Reviews, Mentoring von Berufseinsteigern und erfahrenen Ingenieuren sowie klare Kommunikation von Kompromissen.
- Fähigkeit, Roadmap-Funktionen bereitzustellen und Arbeiten von der Entdeckung über Prototypen und Produktionsvalidierung bis hin zur Skalierung anhand definierter Geschäftskennzahlen voranzutreiben.
- Fähigkeit, sich fließend zwischen abstraktem Systemdenken und taktischer, inkrementeller Bereitstellung zu bewegen, während gleichzeitig ein kritischer Pfad gefunden und Stakeholder gemanagt werden.
- Erfahrung in Finanzdienstleistungen, Gesundheitsleistungen oder anderen regulierten Branchen bevorzugt, wobei Kenntnisse in den Bereichen HSA/FSA, Schadensfälle, Verwahrung oder Zahlungsverkehr besonders wertvoll sind.
- Kenntnisse von KI-Governance- und Compliance-Frameworks bevorzugt, wie z. B. NIST AI RMF, ISO/IEC 42001, Modellrisikomanagement, SOC 2 oder HIPAA-Kontrollumgebungen.
- Erfahrung mit Rapid Prototyping und Machbarkeitsbewertungen in einer F&E- oder Innovationskapazität bevorzugt.
- Erfahrung in der Moderation technischer Lernsitzungen oder im Pair-Programming mit Ingenieuren unterschiedlicher Qualifikationsniveaus bevorzugt.
- Erfahrung mit Dokumentenintelligenz und intelligenter Dokumentenverarbeitung bevorzugt, einschließlich OCR-, Extraktions- und Klassifizierungspipelines mit gemessenen Genauigkeitszielen.
- Erfahrung mit Entscheidungs- und Regulierungs-Systemen, bei denen maschinelle Entscheidungen überprüft, auditiert und an einem Genauigkeits- und Bearbeitungsstandard gemessen werden, ist ein Plus.
- Erfahrung mit konversationsbasierter und sprachgesteuerter KI bevorzugt, einschließlich Chat-Deflection, Speech-to-Text, Anruf-Transkription und -Zusammenfassung sowie authentifizierten, kontospezifischen Antworten ist ein Plus.
- Erfahrung mit Betrugs-, Anomalie- und Identitätssignalerkennung bevorzugt, einschließlich Verhaltens-Baselines, Beziehungs- oder Graph-Analysen und Erkennung von manipulierten oder KI-generierten Medien ist ein Plus.
- Erfahrung mit Workflow- und Low-Code-Automatisierungsplattformen bevorzugt.
Mehr Möglichkeiten mit einem Profil
Für mehr Stellen berücksichtigt werden, ohne den ganzen Prozess zu wiederholen? Erstellen Sie Ihr Profil, damit Unternehmen auf Nort Sie finden.
Profil erstellen